一种改进的免疫克隆选择算法

一种改进的免疫克隆选择算法

牛永洁1，马亚玲2

【摘要】摘要：为了提高传统的克隆选择算法收敛速度慢、搜索能力弱、易局部最优化的缺陷，对基本的克隆选择算法进行了改进。改进的措施主要包括4个方面，分别是新的克隆方法、变异概率的自适应变化、替换策略的自适应变化、变异概率的突变。改进的克隆选择算法经过多个多峰值标准函数的仿真测试，具有较快的收敛速度和较强的寻找峰值的优点，改进的效果显著。

【期刊名称】电子设计工程

【年(卷),期】2014(022)004

【总页数】3

【关键词】克隆选择；变异概率；克隆策略；自适应；突变

克隆选择算法是人工免疫系统中一种经典的免疫算法模型，2002年由De Castro根据生物免疫系统理论中的克隆选择学说而提出[1]，这种算法简称为CLONALG。由于克隆选择算法具有并行性、自适应性、学习、识别和记忆等优点，很快被应用到函数优化[2-3]、特征选择[4]、入侵检测[5]、图像分割[6-7]、机器学习[8]等领域。

但是CLONALG算法具有收敛速度慢、搜索能力弱、易陷入局部最优的缺点，本文对CLONALG算法在4各方面进行了改进，改进后的算法在收敛速度、搜索能力等方面都有显著的改善。通过实验仿真，发现效果良好。

1 克隆选择算法

克隆选择算法主要经过初始化、选择、克隆、变异、替换5个阶段，在系统初始化阶段随机生成N个问题域的可能解，在算法中被称为抗体，抗体被分为两